A Comparative Study of Compressive Sensing Algorithms for Hyperspectral Imaging Reconstruction

要約

ハイパースペクトル イメージングには過剰なデータが含まれるため、データの処理、保存、送信に重大な課題が生じます。
圧縮センシングは、大量のデータを圧縮する技術としてハイパースペクトル イメージングの分野で使用されています。
この作業では、2.5 倍圧縮されたハイパースペクトル画像の復元に取り組んでいます。
貪欲な gOMP/BIHT/CoSaMP 回復アルゴリズムに加えて、凸型 FISTA/ADMM の精度とパフォーマンスに関する比較研究が示されています。
結果は、これらのアルゴリズムは圧縮データを正常に復元しますが、gOMP アルゴリズムは、復元するデータの未知のスパース性レベルに大きく依存する代わりに、他のアルゴリズムと比較して優れた精度と高速な復元を実現することを示しています。

要約(オリジナル)

Hyperspectral Imaging comprises excessive data consequently leading to significant challenges for data processing, storage and transmission. Compressive Sensing has been used in the field of Hyperspectral Imaging as a technique to compress the large amount of data. This work addresses the recovery of hyperspectral images 2.5x compressed. A comparative study in terms of the accuracy and the performance of the convex FISTA/ADMM in addition to the greedy gOMP/BIHT/CoSaMP recovery algorithms is presented. The results indicate that the algorithms recover successfully the compressed data, yet the gOMP algorithm achieves superior accuracy and faster recovery in comparison to the other algorithms at the expense of high dependence on unknown sparsity level of the data to recover.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google